论文赏析[TACL17]基于中序转移的成分句法分析(一）-阿里云开发者社区

论文赏析[TACL17]基于中序转移的成分句法分析(一）

2022-06-21 118

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 论文地址：In-Order Transition-based Constituent Parsing代码地址：github今天要介绍的这篇论文是成分句法分析领域目前的第三名，结果最高的几篇paper可以参见ruder在github整理的列表：github。下面就是成分句法分析目前排名：

摘要

基于转移的成分句法分析主要分为两种：一种是自顶向下（top-down）的方法，按照前序遍历（pre-order）的顺序生成句法树。这种方法可以更好地利用全局信息，但是需要一个强大的编码器来对每个短语成分进行编码。一种是自底向上（bottom-up）的方法，按照后序遍历（post-order）的顺序生成句法树。这种方法可以充分利用子树的特征来进行分析，但是却无法利用全局信息。

本文的模型就对这两种方法进行了改进，采用中序遍历（in-order）的顺序来生成句法树。单模型最终取得了91.8的F1值（貌似也不是特别高？），采用监督重排序之后F1值提升到了93.6，采用半监督重排序之后F1值提升到了94.2。所以看起来还是重排序起了很大的作用。

基于转移的成分句法分析

首先简要介绍一下这三种基于转移的句法分析方法。

自底向上的转移系统

自底向上的转移系统是基于后序遍历的，例如对于下图这棵句法树，算法产生结点的顺序为3、4、5、2、7、9、10、8、6、11、1。

a图是未经二叉化的句法树，b图是二叉化之后的句法树，二叉化之后的结点要用l和r来区分头结点。其实不二叉化也是可以的，伯克利一帮人的做法就是用来作为临时结点，构造树的时候去掉就行了。

句法分析系统如下：

每个时刻的状态用三元组来表示，分别表示栈中元素、buffer的第一个元素在句子中的下标、句法分析结束标记。

系统一共有四个操作：

SHIFT：从buffer中移进一个单词到栈里。
REDUCE-L/R-X：将栈顶两个结点归约为一个父结点X。
UNARY-X：将栈顶元素归约为一元结点X。
FINISH：句法分析结束。

上面那个句法树按照该模型分析的话过程如下：

优缺点很显然，可以充分利用已生成的子树来对父结点的预测进行分析，但是不能利用全局信息（也就是其他子树、父结点等信息），并且需要提前进行二叉化（这点可以用临时结点标记来规避）。

自顶向下的转移系统

自顶向下的转移系统是基于前序遍历的，例如对于之前那棵句法树，算法产生结点的顺序为1、2、3、4、5、6、7、8、9、10、11。

句法分析系统如下：

系统一共有三个操作：

SHIFT：从buffer中移进一个单词到栈里。
NT-X：对一个父结点生成出它的一个子结点X。
REDUCE：将栈顶的若干个结点归约为一个结点，并且全部出栈，注意它们的父结点这时已经在栈顶了。

上面那个句法树按照该模型分析的话过程如下：

优缺点也很显然，可以充分利用全局信息，但是因为预测子树的时候，子树还没有生成，所以无法利用子树的特征来进行分析，所以需要提前对句子的每个短语进行编码。

采用中序遍历的转移系统

为了协调上面的两种问题，本文提出了一种基于中序遍历的转移系统。

其实采用中序遍历也符合人们的直觉判断，比如你读到一个单词“like”，脑子里首先就会想到，这个可能和下面短语共同组成了动词短语VP，然后接着往下看，果然印证了你的猜想。

中序遍历就是采用这种思想的，例如对于之前那棵句法树，算法产生结点的顺序为3、2、4、5、1、7、6、9、8、10。

句法分析系统如下：

系统一共有四个操作：

SHIFT：从buffer中移进一个单词到栈里。
PJ-X：向栈里移进父结点X，来作为栈顶结点的父结点。
REDUCE：将栈顶的若干个结点归约为一个结点，并且全部出栈，注意它们的父结点在出栈元素的倒数第二个。然后再将父结点入栈。
FINISH：句法分析结束。

上面那个句法树按照该模型分析的话过程如下：

该转移系统还有很多变体。对于短语(S, a, b, c, d)，可以令它在栈中S结点之前的子结点个数为 k ，例如对于上面的中序转移系统，栈里存放顺序是“a S b c d”，那么，如果栈里存放顺序是“a b S c d”，那么。而对于自底向上的转移系统，就是正无穷，对于自顶向下的转移系统， k 就是0。